Quais tarefas delegar primeiro a um dot da OpenAI? 6 rotinas para testar

Fala aí, beleza? O erro mais comum com um agente sempre ativo é entregar a rotina inteira pra ele logo no primeiro dia 😅

E com os dots isso vai acontecer MUITO

A OpenAI anunciou os dots em 29 de setembro de 2026, no DevDay 2026 em San Francisco

Mas o que é um dot, afinal?

É um agente de IA always-on, rodando o GPT-6 Astra, que assume responsabilidades contínuas dentro dos limites que você define

Ele mantém contexto entre conversas, aprende com o seu feedback ao longo do tempo e te avisa quando algo precisa de atenção

É tipo contratar alguém que nunca sai do escritório… só que você ainda precisa aprender a gerenciar esse cara haha

Neste post te mostro 6 rotinas tiradas dos casos de uso oficiais do lançamento e um jeito de começar pequeno e medir se o agente entrega de verdade 🙂

Formação Recomendada

Formação Claude Code

Domine Claude Code do absoluto zero até o avançado

• 120 aulas
• 4 projetos
• 9h 45min

Conhecer formação

O que você precisa antes de delegar a primeira tarefa

Antes de pensar em rotina, vale conferir se você tem acesso

Parece óbvio, mas a liberação não é pra todo mundo ao mesmo tempo

Quais planos têm acesso aos dots da OpenAI?

A liberação é gradual nos planos ChatGPT Pro e Business Premium, em mercados elegíveis

Workspaces Enterprise, Edu e Healthcare podem testar em beta quando o administrador ativa

Quanto custa usar um dot?

O primeiro dot vem incluído, sem custo adicional, nos planos Pro e Business Premium elegíveis

O preço de dots adicionais e a cota contínua de uso ainda não foram divulgados

A OpenAI diz que vai oferecer opções pagas depois, então por enquanto o jogo é validar o primeiro

No mesmo anúncio apareceu o novo plano Pro 500: US$ 500 por mês (US$ 6.000 por ano), com a maior cota de trabalho entre os planos Pro

Fica aqui como informação de plano, beleza? Nada disso muda o fato de que o primeiro dot já vem incluído nos planos elegíveis

Tem restrição regional?

Tem sim, e é aqui que muita gente vai tropeçar

No lançamento, o acesso pelo Pro exclui o EEE (Espaço Econômico Europeu), o Reino Unido e a Suíça

O Business Premium funciona em todas as regiões suportadas

Então confere a elegibilidade da sua região antes de montar qualquer plano de adoção

Onde o dot trabalha e por onde você fala com ele?

Cada dot tem o próprio computador na nuvem, com navegador

Ele se conecta a mais de 4.000 aplicativos pelo ecossistema de plugins da OpenAI

E você conversa com ele pelo ChatGPT, pelo Slack ou pelo Microsoft Teams

6 rotinas para testar com um dot (e por que cada uma é um bom primeiro teste)

Se liga no critério: todas essas rotinas têm um gatilho claro (algo muda e o trabalho precisa ser refeito)

Isso é ouro pra um primeiro teste, porque você sabe exatamente quando o dot deveria agir e consegue conferir se ele agiu

1. Revisar material de lançamento quando o escopo muda

• Gatilho: o escopo do produto mudou
• O que o dot entrega: o material de lançamento revisado de acordo com o novo escopo
• O que você confere: se as mudanças batem com o escopo novo e se nenhum trecho antigo ficou pra trás
• Regra que faz sentido: revisar sozinho, publicar ou enviar só com aprovação

É um bom primeiro teste porque o erro é fácil de enxergar: ou o material reflete o escopo novo ou não reflete

2. Atualizar proposta de vendas enterprise quando os requisitos mudam

• Gatilho: o cliente mudou os requisitos
• O que o dot entrega: a proposta atualizada
• O que você confere: se cada requisito novo apareceu na proposta e se nada contradiz o que já foi negociado
• Regra que faz sentido: atualizar o rascunho sozinho, enviar ao cliente com aprovação (ou bloqueado nas primeiras semanas)

Proposta enterprise envolve dinheiro e relacionamento, então aqui o envio direto é a última coisa que você libera

3. Refazer análises científicas quando chegam dados novos

• Gatilho: chegaram dados novos
• O que o dot entrega: as análises refeitas, a investigação de resultados inesperados e as figuras do paper atualizadas
• O que você confere: se o resultado inesperado veio com uma explicação que faz sentido e se as figuras novas batem com os números
• Regra que faz sentido: refazer a análise sozinho, alterar o paper com aprovação

O ponto forte desse caso é a parte de investigar o inesperado: é ali que você descobre se o agente pensa ou só roda script de novo

4. Preparar cortes e notas de episódio a partir de transcrições

• Gatilho: uma nova transcrição de entrevista ficou disponível
• O que o dot entrega: sugestões de cortes e as notas do episódio
• O que você confere: se os cortes escolhidos são os momentos mais fortes e se as notas não inventaram nada que não foi dito
• Regra que faz sentido: preparar sozinho, publicação bloqueada

Pra quem produz conteúdo, esse é talvez o teste de menor risco da lista

O pior cenário é você jogar fora um rascunho ruim, nada sai pro mundo sem você 😛

5. Investigar um bug assim que ele aparece no Slack

• Gatilho: alguém reporta um bug no Slack
• O que o dot entrega: a investigação do problema
• O que você confere: se a hipótese de causa é plausível e quanto tempo ele levou pra começar a investigar depois do report
• Regra que faz sentido: investigar sozinho, responder no canal com aprovação, qualquer outra ação bloqueada no começo

Aqui o gatilho é praticamente perfeito pra medir: tem horário do report e horário da reação

6. Transformar um design novo em app funcionando

• Gatilho: um design novo foi entregue
• O que o dot entrega: um app funcionando a partir desse design
• O que você confere: se o app roda, se o fluxo principal funciona do começo ao fim e se o visual respeita o design
• Regra que faz sentido: construir sozinho no ambiente dele, qualquer entrega pra fora com aprovação

Esse é o mais ambicioso dos seis, então eu deixaria pra quando você já tiver conferido algumas entregas das rotinas mais simples

E o sétimo caso oficial?

A OpenAI também cita transformar feedback recorrente de clientes em pull requests testados

É um caso muito massa, mas eu trataria como próximo nível, não como primeiro teste

Ele junta leitura de feedback, escrita de código e testes numa rotina só, e quando algo dá errado fica difícil saber em qual etapa foi

Como começar pequeno e medir se o dot entrega: passo a passo

Bora pro prático!

Tudo gira em torno de duas coisas: os apps que você libera e as regras que você cria

1. Escolha uma única rotina da lista acima

Pegue a que tem o gatilho mais claro no seu dia a dia e ignore o resto por enquanto

Erro comum: começar com três rotinas ao mesmo tempo e, quando algo falha, não saber qual delas deu problema. Antes de escolher, vale pensar também em quando não vale delegar, o raciocínio serve pra qualquer agente

2. Limite os apps que o dot acessa

Você define quais apps ele acessa, então conecte só o que a rotina escolhida exige

Erro comum: conectar tudo porque existem mais de 4.000 opções. Quanto mais app conectado, maior o estrago possível e mais difícil entender o que ele fez

3. Crie Custom Rules separando as três categorias de ação

As regras dizem o que ele faz sozinho, o que exige aprovação e o que fica bloqueado

Em workspace, administradores podem adicionar regras próprias, por exemplo exigir rascunho antes de qualquer envio

Erro comum: liberar envio direto logo no primeiro dia. Tome cuidado com isso, começa travado e afrouxa depois

4. Entenda a diferença entre pesquisa proativa e tarefa pedida

Na pesquisa proativa (a que roda em segundo plano), o dot só lê: não envia mensagens, não altera conteúdo nos apps e não controla navegador nem computador

Já as tarefas que você pede e as tarefas agendadas seguem regras e aprovações próprias

Erro comum: achar que o modo proativo já sai agindo por você. Ele observa e avisa, quem age são as tarefas, e essas passam pelas suas regras

5. Use o fluxo de aprovação como checkpoint

Segundo a OpenAI, o dot de um testador inicial percebeu uma fatura que não tinha sido enviada, preparou o documento e só enviou depois da aprovação

Esse é o modelo mental certo: ele detecta, prepara, e você decide

Cada aprovação é uma chance de conferir a qualidade antes de qualquer coisa sair

6. Meça a entrega com três perguntas

– O dot detectou o gatilho sozinho ou você teve que avisar? – O rascunho precisou de quanta correção antes de você aprovar? – O feedback que você deu apareceu na rodada seguinte?

Erro comum: julgar o agente pela primeira entrega sem dar feedback nenhum. O dot aprende com feedback ao longo do tempo, se você não dá, está avaliando só metade do produto

O que testes com outros agentes ensinam sobre medir entrega

Deixa eu ser bem transparente aqui: eu ainda NÃO testei os dots

O que eu tenho de primeira mão é experiência com agentes de código em tarefas longas, e a lógica de medição é a mesma

No vídeo eu coloco o Kimi K3, o GPT-5.6 Sol e o Fable 5 lado a lado construindo uma loja completa e um jogo, com o Claude Code na jogada também

Se liga em alguns números que eu anotei acompanhando:

• Numa etapa do jogo, o Claude Code passou 16 minutos trabalhando, dentro de uma sessão de cerca de 30 minutos
• Pra entregar a loja, os modelos levaram por volta de 30 minutos
• Num ponto do teste, o Kimi estava com 12 tarefas em andamento, faltando 3 pra terminar

Por que isso importa pra quem vai adotar um dot?

Porque acompanhar tempo de trabalho e progresso por etapa é o que separa agente que entrega de agente que só parece ocupado

Outra coisa que eu vi: o Kimi criou roteiros de teste extras que ninguém pediu e até entregou uma parte de produto fora do prompt

Às vezes é bom, às vezes é só demora a mais… e com um agente sempre ativo, fazer além do pedido é exatamente o que as Custom Rules existem pra controlar

Eu também fiz questão de testar o fluxo de compra na mão (produto, CEP, frete, Pix) em vez de confiar só nos testes automáticos que os agentes geraram

Foi assim que eu peguei o carrinho do Claude visualmente bugado, com layout quebrado e scroll zoado

E teve um erro meu também, haha: no admin eu reaproveitei o prompt de design da loja em vez de pedir um layout mais simples, e isso influenciou o resultado

Já me ferrei por causa disso, então fica a dica: quando a entrega sai estranha, confere se a instrução estava certa antes de culpar o agente

No fim, eu preferi o resultado do GPT, depois o Kimi, e por último o Claude, principalmente por causa da barra lateral e do carrinho

Como os dots rodam o GPT-6 Astra, se você quiser comparar o modelo por trás com outra opção, dá pra montar um teste pareado com tarefas reais do seu projeto

O vídeo completo tá aqui, e serve bem como referência de como avaliar agentes em tarefas longas:

Qual rotina delegar primeiro ao seu dot

O critério é simples: escolha a rotina com o gatilho mais claro

Comece com aprovação obrigatória e só afrouxe as Custom Rules depois de algumas entregas conferidas

O próximo passo concreto fica assim:

• Verifique se seu plano e sua região têm acesso
• Conecte só os apps da rotina escolhida
• Registre o que o dot entregou na primeira semana (gatilho detectado, correções, feedback incorporado)

E lembra: o preço de dots adicionais ainda não foi divulgado

Então vale MUITO validar bem o primeiro, que já vem incluído, antes de planejar escala

E aí, qual rotina você vai testar primeiro? 😀

Até o próximo post!